RAG 与企业知识库 · AI 知识库

WHY IT MATTERS

先用一句白话理解

RAG 像开卷考试：模型负责组织答案，检索系统负责把正确页码送到桌上；书翻错了，表达再好也会答错。

LEARNING OUTCOMES

学完你能做到什么

能设计文档解析、切分、索引、检索和生成流水线

能组合语义检索、关键词检索、过滤、重排与引用

能分别评估检索质量和答案质量，并实现可靠拒答

CONCEPT DEEP DIVE

把每个核心概念讲透

不要把知识点当作名词列表。下面每一项都要回到真实项目中回答：它解决什么问题，如何验证，以及在哪些条件下会失效。

01CORE CONCEPT

文档解析、chunk、embedding 与向量索引

先明确数据来源、输入输出、评价指标和失败样本。把这个概念放回“构建企业文档问答系统：回答必须有逐段引用，越权内容不可检索，证据不足时明确说明不知道。”中，回答它解决了什么问题、依赖哪些输入、会在哪些边界失效。

02CORE CONCEPT

语义检索、混合检索、查询改写、重排和元数据过滤

03CORE CONCEPT

来源引用、权限隔离、时效性与删除传播

04CORE CONCEPT

Recall@K、MRR、忠实度、相关性和无答案测试

CONCEPT MAP

这一章的学习步骤

1文档解析、chunk、embedding 与向量索引

2语义检索、混合检索、查询改写、重排和元数据过滤

3来源引用、权限隔离、时效性与删除传播

4Recall@K、MRR、忠实度、相关性和无答案测试

STEP 01

建立带页码和权限元数据的文档索引

STEP 02

制作至少 30 条包含无答案问题的检索测试集

STEP 03

让最终答案逐段附来源并可跳回原文

HANDS-ON PROJECT

动手任务

PROJECT BRIEF

构建企业文档问答系统：回答必须有逐段引用，越权内容不可检索，证据不足时明确说明不知道。

交付清单

✓可增量更新的知识入库流水线
✓检索与答案两层评测报告
✓权限、引用和拒答验收用例

MINIMUM RUNNABLE CODE

创建向量库并执行一次语义搜索

python

from openai import OpenAI

client = OpenAI()
store = client.vector_stores.create(name="Company Handbook")
with open("handbook.txt", "rb") as document:
    client.vector_stores.files.upload_and_poll(
        vector_store_id=store.id,
        file=document,
    )

results = client.vector_stores.search(
    vector_store_id=store.id,
    query="年假如何申请？",
)
for item in results.data[:3]:
    print(item.score, item.content[0].text)

先让它跑起来，再逐行修改。最有效的学习方式，是观察你的改动如何影响结果。

DELIBERATE PRACTICE

三级练习：从复现到生产

每一级都比上一级少一点提示、多一点约束。只有在不看答案也能完成验收时，知识才真正变成能力。

LEVEL 1 · 基础复现

让核心机制第一次跑通

建立带页码和权限元数据的文档索引
制作至少 30 条包含无答案问题的检索测试集
让最终答案逐段附来源并可跳回原文

LEVEL 2 · 独立改造

改变约束，验证你真的理解

不看教程，独立完成：能设计文档解析、切分、索引、检索和生成流水线
不看教程，独立完成：能组合语义检索、关键词检索、过滤、重排与引用
不看教程，独立完成：能分别评估检索质量和答案质量，并实现可靠拒答

LEVEL 3 · 生产挑战

把实验变成能交付的工程

可增量更新的知识入库流水线
检索与答案两层评测报告
权限、引用和拒答验收用例
检查数据漂移、权限、安全、延迟、成本与回滚，并把检查结果写进项目复盘。

COMMON PITFALLS

最容易踩的坑

只调生成提示词，不检查真正检索到了什么

固定长度粗暴切分，破坏标题、表格和语义边界

向量库删除不完整，导致过期或越权内容继续被召回

SELF CHECK

先回答，再展开参考答案

Q01这一课最核心的业务目标是什么？＋

从文档进入系统的第一步开始，完整处理解析、切分、检索、重排、引用、权限、拒答和持续更新。

Q02如果只能保留三个验收结果，应该保留什么？＋

可增量更新的知识入库流水线；检索与答案两层评测报告；权限、引用和拒答验收用例

Q03学习过程中最需要主动避免什么？＋

只调生成提示词，不检查真正检索到了什么；固定长度粗暴切分，破坏标题、表格和语义边界；向量库删除不完整，导致过期或越权内容继续被召回

Q04怎样证明你不是“看懂了”，而是真的会做？＋

独立完成“构建企业文档问答系统：回答必须有逐段引用，越权内容不可检索，证据不足时明确说明不知道。”，并用测试、数据或运行结果逐项验收交付清单。

PRODUCTION READINESS

本课完成检查表

全部能打勾，再进入下一课。

□目标明确：能设计文档解析、切分、索引、检索和生成流水线
□核心机制已用最小实验验证：建立带页码和权限元数据的文档索引
□风险已检查：只调生成提示词，不检查真正检索到了什么
□风险已检查：固定长度粗暴切分，破坏标题、表格和语义边界
□风险已检查：向量库删除不完整，导致过期或越权内容继续被召回
□交付物可复现：可增量更新的知识入库流水线
□交付物可复现：检索与答案两层评测报告
□交付物可复现：权限、引用和拒答验收用例

PRIMARY SOURCES

继续深入的官方资料

OpenAI Retrieval 官方指南 OpenAI Vector Embeddings 官方指南

课程版本基线：2026 年 7 月。涉及版本号时，以链接中的官方文档为最终依据。